CONCEPTO

 Se define como la estimación de la demanda de uno o

varios productos en un futuro para una empresa.

Pronóstico: es una predicción de eventos futuros

que se utilizan con propósitos de planificación

Diferencia entre pronóstico y predicción

Pronóstico: utiliza técnicas como la serie de tiempos y modelos estructurados

Predicción: se basa en juicios cualitativos

 PRONÓSTICO EN LAS AREAS
FUNCIONALES

FINANZAS MERCADOTECNIA MANUFACTURA

Presupuestos y control Ventas para los planes de -Capacidad de la fábrica
de costos. nuevos productos, para -Número de
remunerar al personal de trabajadores requeridos
ventas.
-Decisiones respecto a
inventarios
-Planes y programas de
producción
-Requisición de
materiales e insumos
FACTORES QUE
AFECTAN LA
DEMANDA
Factores externos: no se tiene control

Economía Reglamentación Incremento en la

creciente del gobierno construcción

Mezcla de El éxito de un
Gustos en los mercado por producto afecta a
consumidores parte de la sus
competencia complementarios
Factores internos: son decisiones internas
que provocan cambios en la demanda

Diseño del producto

Mezcla de mercado

Expansión del mercado

Contracción del mercado

TIPO DE TÉCNICA
DE PRONÓSTICO
 TIPO DE
TÉCNICA DE
PRONÓSTICO

MÉTODOS
CUALITATIVOS MÉTODOS
(métodos de CUANTITATIVOS
juicio)
 Pronóstico de la demanda vs horizonte
de planificación

Corto plazo (0-3 Mediano plazo(3 Largo

meses) meses-2 años) plazo(>2años)

TECNICA DE Serie de tiempo Causal Causal

PRONÓSTICO Causal juicio juicio
juicio
 1. MÉTODOS CUALITATIVOS
(métodos de juicio):
 Considera las opiniones de gerentes, expertos, estimación
de la fuerza de ventas, encuestas de consumidores. Se
traducen en estimaciones cuantitativas.

 Son subjetivos o simples juicios y se basan en cálculos y

opiniones
 Se usan cuando no existen datos históricos, se presenta
un nuevo producto o cambia de tecnología
 1. MÉTODOS CUALITATIVOS
(métodos de juicio):
 RAÍZ DE PASTO (estimación de la fuerza de ventas)

Ventaja:
✓ La fuerza de ventas tiene mayores probabilidades de saber que comprarán
los clientes en el futuro y en que cantidades.

✓ Los pronósticos individuales se combinan para obtener cifras regionales o

nacionales

Desventaja:
✓ Algunos vendedores son optimistas y otros cautelosos lo cual puede
introducir sesgos en el pronóstico.

✓ El personal puede subestimar los pronósticos individuales para que el

rendimiento futuro supere las proyecciones o para esforzarse menos
(cuando se trabaje por medidas de rendimiento por vendedor)
 1. MÉTODOS CUALITATIVOS
(métodos de juicio):
 INVESTIGACIÓN DEL MERCADO: Reúne datos
por diferentes medios (encuestas, entrevista)

Desventaja: los resultados de la encuesta no reflejan las

opiniones del mercados.
 1. MÉTODOS CUALITATIVOS
(métodos de juicio):
 CONSENSO DE EXPERTOS (OPINIÓN
EJECUTIVA)
Desventajas:
✓ El juicio u opinión de una persona de más alto nivel
probablemente tenga más relevancia que el de una
persona de un nivel más bajo, en el peor de los casos se
sienten intimidados y no expresan lo que verdaderamente
piensa.

✓ Puede ser costosa

✓ Requiere mucho tiempo

 1. MÉTODOS CUALITATIVOS
(métodos de juicio):
 ANALOGÍA HISTÓRICA: Cuando se trata de
pronosticar la demanda de un producto nuevo, la
situación ideal es que se pueda usar como modelo un
producto existente o un producto genérico,

KALÚA
 1. MÉTODOS CUALITATIVOS
(métodos de juicio):
 MÉTODO DELPHI: Oculta la identidad de las personas
que participan en el estudio dando a cada individuo la
misma importancia.

Desventaja
✓ El proceso es muy largo (más de un año) por lo que el
panel de expertos puede cambiar alargando el proceso
✓ Su calidad es entre regular y buena para la identificación de
puntos de flexión en la demanda de nuevos productos.
 2. MÉTODOS CUANTITATIVOS

 Análisis de series de tiempo: método estadístico que

depende en alto grado de datos históricos de la demanda,
con los que se proyectan la demanda futura y reconoce
las tendencias y patrones estaciónales.

 Métodos causales: utilizan datos históricos de variables

independientes como campañas de promoción,
condiciones económicas y actividades de los
competidores.
ANÁLISIS DE SERIES
DE TIEMPO
Análisis de series de tiempo
Busca prever el futuro, con base en
datos del pasado

Son de naturaleza reactiva.

Usan información histórica que solo se

refiere a la variable dependiente (ventas).

Se aplica a los patrones de demanda tipo

horizontal y tendencia.
Análisis de series de tiempo
❖ Promedio Simple

 Desventaja: al tener en cuenta todos los datos

históricos, llega un momento donde las demandas reales
que se agregan no modifican el pronóstico futuro.
Formula:

Ft : A t-1+ A t-2 ……..+A t-n

n
Donde:

ft = pronóstico para el periodo futuro

A t -1 = demanda real del periodo más reciente
A t -2 = demanda de hace 2 periodos
A t - n = demanda de hace n periodos
n = Número de periodos
Análisis de series de tiempo
❖ Promedio Movible Simple

Combina los datos de la demanda de la mayor parte de los periodos recientes, siendo
su promedio el pronóstico para el periodo siguiente.

Se caracteriza porque todas las demandas tienen el mismo peso o importancia, se

puede emplear un promedio movible de 2 a 20 periodos, pero al tomar la decisión
hay que continuar usando el mismo número de periodos

Cuando los datos de la demanda son poco variables se recomienda tomar

bastantes periodos y viceversa.
Formula:

Ft : A t-1+ A t-2 ……..+A t-n

n

Donde:

ft = pronóstico para el periodo futuro

A t -1 = demanda del periodo pasado
A t -2 = demanda de hace 2 periodos
A t - n = demanda de hace n periodos
n = Número de periodos
❖Promedio Movible Simple

La demanda de un
producto no crece ni
disminuye velozmente y
no incluye características
Se usa de estacionalidad

cuando Cuando la demanda

presenta un patrón
horizontal y aleatorio
❖Promedio Movible Simple
 Desventaja (requisitos):
• Todos los elementos individuales deben estar en forma de
datos, porque un nuevo pronóstico del periodo requiere
que sumemos datos nuevos y que eliminemos datos más
antiguos.

• Requiere una cantidad importante de datos históricos.

• Para n datos puede resultar tedioso

Análisis de series de tiempo
❖ Promedio Movible Ponderado

 Permite adjudicar una importancia o peso cualquiera a cada elemento o

periodo, siempre y cuando todos los valores sumen 1 o 100%.
Formula:
 ft : W1 At – 1 + W2 At – 2 + W3 At – 3 ……..+ Wn At – n

Donde:
ft = pronóstico para el periodo futuro
W1 = peso que se le dará a la venta real en el periodo t -1
W2 = peso que se le dará a la venta real en el periodo t -2
W3 = peso que se le dará a la venta real en el periodo t -3
W n = peso que se le dará a la venta real en el periodo t –n
n = Número total de periodos del pronostico
Σ Wi = 1
Cómo elegir los pesos?

• La experiencia, prueba y error (Excel)

1.

• Por lo general el pasado más reciente es el indicador más

importante de lo que podemos esperar para el futuro, y por
2. tanto este debe tener mayor peso.

• Cuando los datos son variables se debe determinar los pesos

en consecuencia; es decir, se le asignara mayor peso a las
3. mayores demandas y menor peso a las menores demandas.
Promedio Movible Ponderado

Ventaja: puede modificar

los efectos de los datos
pasados (pesos o
importancia)

Desventaja: su uso es más

complicado y caro que el método
exponencial aminorado. Se necesitan
bastantes datos. Los costos de
obtener y actualizar datos pueden
ser altos.
ERRORES DEL
PRONÓSTICO
✓Errores sesgados
 Se presenta cuando un error es cometido
constantemente. Una fuente del sesgo es cuando se
emplea una línea equivocada para una tendencia y cuando
se mueve equivocadamente la demanda estacional del
punto donde suele ocurrir. (Cuando el intervalo del
pronóstico es corto).

 Son equivocaciones cometidas constantemente donde se

observa que el pronóstico será siempre demasiado alto o
demasiado bajo
✓Errores aleatorios
 Son aquellos que el modelo de pronóstico empleado no
puede explicar.

 Ocurre cuando se presentan factores imprevisibles que

hacen que el pronóstico se desvíe de la demanda real.
MÉTODOS
CAUSALES
ANALISIS DE REGRESION LINEAL
 La regresión se define como la relación funcional de dos
o más variables correlacionadas (demanda vs tiempo). La
regresión lineal se refiere a un tipo especial de regresión
donde las relaciones entre las variables forman una línea
recta.

Bienes raíces. La venta en Predecir fenómenos Normalmente en finanzas y

función de las tasas de económicos como el PIB economía para pronosticar
interés valores de variables
macroeconómicas.
Método de mínimos cuadrados
 El método trata de ajustar la línea recta a los datos
históricos que minimizan la suma de los cuadrados de la
distancia vertical entre cada punto de datos y su punto
correspondiente en la línea.
Ecuación de la línea recta → Y = a + bx

 Donde:

Y = variable dependiente (ventas)

a = intersección con el eje Y
b = pendiente de la línea
x = variable independiente (tiempo, promoción, precio)
Confiabilidad de los pronósticos
 Indica que también se ajusta a la línea de los datos.

 Error estándar de estimación

 Indica que tan lejos se da el pronóstico de la demanda

real
NOTA:
 Si los puntos de los datos están dispersos de manera
aleatoria alrededor de la línea de regresión (distribuidos
normalmente) entonces el pronóstico quedará de la
siguiente forma:

 Z= número de desviaciones estándar para un nivel de

confianza dado
Coeficiente de correlación (r)

 Mide la intensidad de la relación entre la variable

independiente y la variable independiente.

-1 <= r <= 1

 r = (+) Los cambios registrados de la variable independiente

(incremento o disminuciones) de un periodo a otro, están
acompañados por cambios de la variable dependiente en la
misma dirección. (0,6 <= r <= 1)
 r = (-) indica que las disminuciones de la variable
independiente, siempre van acompañados de
incrementos en la variable dependiente, y viceversa.
(- 1 <= r <= - 0,6)

 r=0 no existe relación alguna entre las variables.

No relación. (-0,6 <= r <= 0,6)
Coeficiente de determinación de la muestra (r2)
 Mide la variación de la variable dependiente con respecto de
su valor medio que se explica por medio de la línea de
regresión

(0 <= r2 <= 1) r2 = 1

 Las ecuaciones de regresión son deseables, porque la variación

de la variable dependiente y del pronóstico generado a partir
de la ecuación de regresión, se encuentran estrechamente
relacionados.

 (La variación de una variable se le atribuye a la otra.)

 DESCOMPOSICION DE UNA SERIE DE TIEMPO
USANDO REGRESION POR MINIMOS CUADRADOS
 Consiste en encontrar los componentes básicos de la
serie de la tendencia, estaciónales y cíclicos.
 El pronostico clásico por descomposición de series de
tiempos esta construido sobre la filosofía de que un
patrón de ventas históricas puede descomponerse en tres
categorías:
Tendencia: por medio del análisis de regresión, se puede
conocer el comportamiento de las ventas.

Estacional: picos y valles que se presentan en una época

especifica (cada año).

Cíclicas: son ondas de largo plazo (más de un año). En el

patrón de la demanda
 PROCEDIMIENTO
1. Determinar el factor o índice estacional: es la cantidad de corrección
que necesita una serie de tiempo para ajustarse a la estación del año.

2. Desestacionalizar los datos originales: para eliminar el efecto

estacional en los datos, se divide los datos originales (ventas reales) entre el
factor estacional

3. Desarrollar una línea de regresión: aplicando mínimos cuadrados para

los datos desestacionalizados, determine una línea de tendencia.

4. Proyectar la línea de regresión hacia el periodo que será

pronosticado: se debe determinar el pronóstico para los periodos
requeridos.

5. Crear el pronóstico final: el cual consiste en ajustar la línea de regresión

para los factores estacionales. Como la ecuación (Y) ha sido
desestacionalizada, ahora se debe multiplicar los datos proyectados para un
periodo por el factor estacional para ese mismo periodo.
